幫助中心 | 我的帳號 | 關於我們

TensorFlow深度學習(原書第2版)/深度學習系列

  • 作者:(意)吉安卡洛·扎克尼//(德)禮薩·卡里姆|責編:劉星寧//朱林|譯者:連曉峰//譚勵
  • 出版社:機械工業
  • ISBN:9787111646617
  • 出版日期:2020/03/01
  • 裝幀:平裝
  • 頁數:336
人民幣:RMB 99 元      售價:
放入購物車
加入收藏夾

內容大鋼
    深度學習是基於多層次抽象學習的機器學習演算法的一個分支。神經網路是深度學習的核心,廣泛應用於預測分析、電腦視覺、自然語言處理、時間序列預測,以及其他複雜任務。
    通過本書,將學習如何利用前饋神經網路、卷積神經網路、循環神經網路、自編碼器和因子分解機為機器學習系統開發深度學習應用程序,並了解如何在GPU上實現分散式深度學習程序設計。
    通過本書學習,將掌握機器學習技術的相關知識,以及應用於實際項目的能力。
    本書主要內容:
    在最新版本的TensorFlow中實現深度機器智能和GPU計算;
    獲取公共數據集,並在TensorFlow下載入、處理和轉換數據;
    了解如何使用高級TensorFlow APl構建功能強大的應用程序;
    利用深度學習進行可擴展目標檢測和移動計算;
    通過探討強化學習技術,訓練機器從數據中快速學習;
    深入探討深度學習研究和應用的關鍵領域。
    本書適合於希望利用TensorFlow的強大功能,結合其他開源Python庫,構建功能強大、穩健且準確的預測模型的開發人員、數據分析師、機器學習從業者和深度學習愛好者。

作者介紹
(意)吉安卡洛·扎克尼//(德)禮薩·卡里姆|責編:劉星寧//朱林|譯者:連曉峰//譚勵

目錄
譯者序
原書前言
作者簡介
評閱人簡介
第1章  深度學習入門
  1.1  機器學習簡介
    1.1.1  監督學習
    1.1.2  不平衡數據
    1.1.3  無監督學習
    1.1.4  強化學習
    1.1.5  什麼是深度學習
  1.2  人工神經網路
    1.2.1  生物神經元
    1.2.2  人工神經元
  1.3  人工神經網路是如何學習的
    1.3.1  人工神經網路與反向傳播演算法
    1.3.2  權重優化
    1.3.3  隨機梯度下降
  1.4  人工神經網路架構
    1.4.1  深度神經網路
    1.4.2  卷積神經網路
    1.4.3  自編碼器
    1.4.4  循環神經網路
    1.4.5  新興架構
  1.5  深度學習框架
  1.6  小結
第2章  TensorFlow初探
  2.1  TensorFlow概述
    2.2  TensorFlowv1.6  的新特性
    2.2.1  支持優化的NVIDIAGPU
    2.2.2  TensorFlowLite簡介
    2.2.3  動態圖機制
    2.2.4  優化加速線性代數
  2.3  TensorFlow安裝與配置
  2.4  TensorFlow計算圖
  2.5  TensorFlow代碼結構
    2.5.1  TensorFlow下的動態圖機制
  2.6  TensorFlow數據模型
    2.6.1  張量
    2.6.2  秩與維度
    2.6.3  數據類型
    2.6.4  變數
    2.6.5  Fetches
    2.6.6  Feeds和佔位符
  2.7  基於TensorBoard的可視化計算
第3章  基於TensorFlow的前饋神經網路
第4章  卷積神經網路(CNN)
第5章  優化TensorFlow自編碼器
第6章  循環神經網路(RNN)
第7章  異構和分散式計算

第8章  TensorFlow高級編程
第9章  基於因子分解機的推薦系統
第10章  強化學習

  • 商品搜索:
  • | 高級搜索
首頁新手上路客服中心關於我們聯絡我們Top↑
Copyrightc 1999~2008 美商天龍國際圖書股份有限公司 臺灣分公司. All rights reserved.
營業地址:臺北市中正區重慶南路一段103號1F 105號1F-2F
讀者服務部電話:02-2381-2033 02-2381-1863 時間:週一-週五 10:00-17:00
 服務信箱:bookuu@69book.com 客戶、意見信箱:cs@69book.com
ICP證:浙B2-20060032